基于约束投影的支持向量机选择性集成

被引：1

作者：

王磊 ^{[1
,2
]}

机构：

[1] 西南财经大学经济信息工程学院

[2] 西南财经大学中国支付体系研究中心

来源：

计算机科学 | 2009年 / 36卷 / 10期

关键词：

约束投影; 选择性集成; 支持向量机; 分类器;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

提出两种基于约束投影的支持向量机选择性集成算法。首先利用随机选取的must-link和cannot-link成对约束集确定投影矩阵,将原始训练样本投影到不同的低维空间训练一组基分类器;然后,分别采用遗传优化和最小化偏离度误差两种选择性集成技术对基分类器进行组合。基于UCI数据的实验表明,提出的两种集成算法均能有效提高支持向量机的泛化性能,显著优于Bagging,Boosting,特征Bagging及LoBag等集成算法。

引用

页码：234 / 236+243 +243

页数：4

共 4 条

[1] 基于特征提取的选择性神经网络集成方法 [J].

朱帮助 .

计算机科学, 2008, (03) :132-133+172

[2]

统计学习理论的本质[M]. 清华大学出版社 , (美)VladimirN.Vapnik著, 2000

[3]

Ensembling neural networks: Many could be better than all[J] . Zhi-Hua Zhou,Jianxin Wu,Wei Tang.Artificial Intelligence . 2002 (1)

[4]

An Experimental Comparison of Three Methods for Constructing Ensembles of Decision Trees: Bagging, Boosting, and Randomization[J] . Thomas G. Dietterich.Machine Learning . 2000 (2)

← 1 →